• Tidak ada hasil yang ditemukan

Analisis Faktor-Faktor Yang Mempengaruhi Minat Mahasiswa Berwirausaha (Studi Kasus Mahasiswa FMIPA USU)

N/A
N/A
Protected

Academic year: 2016

Membagikan "Analisis Faktor-Faktor Yang Mempengaruhi Minat Mahasiswa Berwirausaha (Studi Kasus Mahasiswa FMIPA USU)"

Copied!
89
0
0

Teks penuh

(1)

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI MINAT MAHASISWA BERWIRAUSAHA

(Studi Kasus Mahasiswa FMIPA USU)

SKRIPSI

EMMA ALAMSARI TARIGAN 130823031

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

(2)

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI MINAT MAHASISWA BERWIRAUSAHA

(Studi Kasus Mahasiswa FMIPA USU)

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains

EMMA ALAMSARI TARIGAN 130823031

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

(3)

ii

Judul : Analisis Faktor-Faktor Yang Mempengaruhi Minat Mahasiswa Berwirausaha (Studi Kasus Mahasiswa FMIPA USU)

Kategori : Skripsi

Nama : Emma Alamsari Tarigan

Nomor Induk Mahasiswa : 130823031

Program Studi : Sarjana (S1) Matematika

Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Diluluskan di Medan, Agustus 2015

Komisi Pembimbing:

Pembimbing 2, Pembimbing 1,

Dr. Faigiziduhu Bu’ulolo, M.Si Drs. Gim Tarigan, M.Si NIP. 195312181980031003 NIP. 195502021986011001

Disetujui oleh

Departemen Matematika FMIPA USU Ketua,

(4)

iii

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI MINAT MAHASISWA BERWIRAUSAHA

(Studi Kasus Mahasiswa FMIPA USU)

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Agustus 2015

(5)

iv

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini dengan judul Analisis Faktor-faktor yang Mempengaruhi Minat Mahasiswa Berwirausaha (Studi Kasus Mahasiswa FMIPA USU).

(6)

v

ABSTRAK

Salah satu upaya pemerintah untuk menanggulangi masalah pengangguran adalah dengan menunjang terbentuknya usaha mandiri masyarakat. Salah satunya dengan meningkatkan minat berwirausaha pada mahasiswa terutama melalui kegiatan kewirausahaan. Terdapat banyak variabel yang diduga mempengaruhi minat mahasiswa berwirausaha. Tujuan dari penelitian ini adalah untuk menggambarkan keragaman variabel tersebut kemudian mereduksi/meringkasnya sehingga diperoleh faktor dominan menggunakan teknik analisis faktor. Proses analisis faktor mencoba menemukan hubungan antara sejumlah variabel yang saling independen satu dengan yang lain, sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit jumlahnya dari variabel awal. Berdasarkan hasil penelitian keseluruhan variabel dinyatakan valid dengan rhitung ≥ 0,202 dan keseluruhan variabel memiliki reliabilitas yang tinggi dengan nilai Alpha Cronbach > 0,6. Pereduksian dengan penerapan metode analisis komponen utama terhadap variabel-variabel yang melatarbelakangi tinggi rendahnya minat berwirausaha mahasiswa FMIPA USU, diperoleh lima faktor yang mempengaruhinya yaitu faktor dominan adalah faktor kepribadian (26,102%), kedua adalah faktor minat (11,174%), ketiga adalah faktor lingkungan keluarga (9,028%), keempat adalah faktor lingkungan sekitar (8,316%), dan faktor kelima adalah faktor motif (7,635%). Kelima faktor tersebut memberikan proporsi keragaman kumulatif sebesar 62,255% artinya kelima faktor tersebut mempengaruhi minat mahasiswa berwirausaha sebesar 62,255% dan sisanya dipengaruhi faktor-faktor lainnya yang tidak teridentifikasi oleh model penelitian.

(7)

vi

ABSTRACT

One of the government's efforts to overcome unemployment problem is by giving support for the establishment of independent business for society. One of them is by gaining students’ entrepreneurship motivation through entrepreneurial activity. There are many variables that may influence students’ motivation in entrepreneurship. The aim of this study is to describe the diversity of these variables then summarize them in order to obtain a dominant factor by using factor analysis techniques. The process of analysis factor is to find the relationship between each independent variable, so that one or a set of variables that less in number than the initial variables can be derived. Based on the overall results, the overall variable was valid with rhitung ≥ 0,202 and overall variable with higher reliability with Cronbach Alpha was > 0,6. The reduction process by implementing component analysis towards the variables that underlying students’ motivation in entrepreneurship of Science Faculty of USU, there were five factors that influence their major motivation: personality (26,102%), motivation (11,174%), family (9,028%), environment (8,316%), and motive (7,635%). These five factors provide diversity in cumulative proportion about 62,255% which mean 62,255% these five factors influence students’ motivation in entrepreneurship and the rest were influenced by other factors that were not identified by the research.

(8)

vii

Halaman

PERSETUJUAN ii

PERNYATAAN iii

PENGHARGAAN iv

ABSTRAK v

ABSTRACT vi

DAFTAR ISI vii

DAFTAR TABEL ix

DAFTAR GAMBAR x

DAFTAR LAMPIRAN xi

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan Penelitian 4

1.5 Kontribusi Penelitian 4

1.6 Tinjauan Pustaka 4

1.7 Metodologi Penelitian 7

BAB 2 LANDASAN TEORI 8

2.1 Pengertian Wirausaha 8

2.1.1 Faktor-faktor yang Mempengaruhi Minat

Berwirausaha 8

2.2 Data 9

2.3 Variabel 10

2.4 Populasi 10

2.5 Metode Pengambilan Sampel 10

2.5.1 Teknik Sampling 11

2.6 Skala Pengukuran 12

2.7 Tipe Skala Pengukuran 13

2.7.1 Model Skala Sikap 13

2.8 Metode dan Instrumen Pengumpulan Data 14 2.9 Transformasi Data Ordinal menjadi Data Interval 15

2.10 Uji dalam Pengolahan Data 16

2.10.1 Uji Validitas 16

2.10.2 Uji Reliabilitas 17

2.11 Analisis Faktor 17

2.11.1 Pengertian Analisis Faktor 17

2.11.2 Model Analisis Faktor 18

(9)

viii

3.2.1 Input Data Mentah 26

3.2.2 Penskalaan Data Ordinal Menjadi Data Interval 27

3.2.3 Uji Validitas 30

3.2.4 Uji Reliabilitas 32

3.3 Analisis Data 33

3.3.1 Membentuk Matriks Korelasi 33

3.3.2 Ekstraksi Faktor 37

3.3.3 Menentukan Banyaknya Faktor 40

3.3.4 Melakukan Rotasi Faktor 41

3.3.5 Interpretasi Faktor 43

3.3.6 Menentukan Ketepatan Model 45

BAB 4 KESIMPULAN DAN SARAN 46

4.1 Kesimpulan 46

4.2 Saran 46

DAFTAR PUSTAKA 47

(10)

ix

Nomor Judul Halaman

Tabel

3.1 Jumlah Mahasiswa FMIPA USU 25

3.2 Penarikan Sampel dengan Proporsional 26

3.3 Data Hasil Kuesioner 26

3.4 Penskalaan Variabel X1 29

3.5 Hasil Penskalaan Semua Variabel 30

3.6 Uji Validitas Variabel Penelitian 30

3.7 Perhitungan Korelasi Product Moment 31

3.8 Reliability Statistics 33

3.9 Uji Reliabilitas Variabel Penelitian 33

3.10 Kaiser-Meyer-Olkin (KMO) dan Bartlett’s Test 35 3.11 Nilai MSA (Measure of Sampling Adequacy) 36

3.12 Komunalitas 37

3.13 Nilai Eigenvalue untuk Setiap Faktor 39 3.14 Sumbangan Masing-masing Faktor terhadap Varian

dari Seluruh Variabel asli 39

3.15 Matriks Faktora (Sebelum Dirotasi) 41 3.16 Matriks Faktora (Setelah Dirotasi) 42 3.17 Korelasi antar Variabel Sebelum dan Setelah Dirotasi 43

3.18 Faktor-faktor Hasil Interpretasi 44

3.19 Residual Matriks Korelasi Sebelum dan Setelah

(11)

x

Nomor Judul Halaman

Gambar

1.1 Hubungan antara Variabel dan Faktor 5

(12)

xi

Nomor Judul Halaman

Lampiran

1. Data Asli Hasil Kuesioner 48

2. Tabel Penskalaan Variabel 51

3. Tabel Transformasi Data Ordinal ke Interval 53 4. Tabel Perhitungan Korelasi Product Moment Variabel

(X12) dengan Total Variabel (Y) 55

5. Tabel Perhitungan Korelasi antara Variabel X1 dan

Variabel X11 57

6. 59

6A. Tabel Perhitungan Nilai Total Varian (tanpa variabel X1) 59 6B. Mencari Nilai Varian dari Masing-masing Variabel 61 6C. Mencari Nilai Varian (tanpa variabel X1) 63 6D. Perhitungan Nilai Alpha Cronbach untuk Variabel X1 63

7. Perhitungan Nilai KMO dan MSA 64

(13)

v

ABSTRAK

Salah satu upaya pemerintah untuk menanggulangi masalah pengangguran adalah dengan menunjang terbentuknya usaha mandiri masyarakat. Salah satunya dengan meningkatkan minat berwirausaha pada mahasiswa terutama melalui kegiatan kewirausahaan. Terdapat banyak variabel yang diduga mempengaruhi minat mahasiswa berwirausaha. Tujuan dari penelitian ini adalah untuk menggambarkan keragaman variabel tersebut kemudian mereduksi/meringkasnya sehingga diperoleh faktor dominan menggunakan teknik analisis faktor. Proses analisis faktor mencoba menemukan hubungan antara sejumlah variabel yang saling independen satu dengan yang lain, sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit jumlahnya dari variabel awal. Berdasarkan hasil penelitian keseluruhan variabel dinyatakan valid dengan rhitung ≥ 0,202 dan keseluruhan variabel memiliki reliabilitas yang tinggi dengan nilai Alpha Cronbach > 0,6. Pereduksian dengan penerapan metode analisis komponen utama terhadap variabel-variabel yang melatarbelakangi tinggi rendahnya minat berwirausaha mahasiswa FMIPA USU, diperoleh lima faktor yang mempengaruhinya yaitu faktor dominan adalah faktor kepribadian (26,102%), kedua adalah faktor minat (11,174%), ketiga adalah faktor lingkungan keluarga (9,028%), keempat adalah faktor lingkungan sekitar (8,316%), dan faktor kelima adalah faktor motif (7,635%). Kelima faktor tersebut memberikan proporsi keragaman kumulatif sebesar 62,255% artinya kelima faktor tersebut mempengaruhi minat mahasiswa berwirausaha sebesar 62,255% dan sisanya dipengaruhi faktor-faktor lainnya yang tidak teridentifikasi oleh model penelitian.

(14)

vi

ABSTRACT

One of the government's efforts to overcome unemployment problem is by giving support for the establishment of independent business for society. One of them is by gaining students’ entrepreneurship motivation through entrepreneurial activity. There are many variables that may influence students’ motivation in entrepreneurship. The aim of this study is to describe the diversity of these variables then summarize them in order to obtain a dominant factor by using factor analysis techniques. The process of analysis factor is to find the relationship between each independent variable, so that one or a set of variables that less in number than the initial variables can be derived. Based on the overall results, the overall variable was valid with rhitung ≥ 0,202 and overall variable with higher reliability with Cronbach Alpha was > 0,6. The reduction process by implementing component analysis towards the variables that underlying students’ motivation in entrepreneurship of Science Faculty of USU, there were five factors that influence their major motivation: personality (26,102%), motivation (11,174%), family (9,028%), environment (8,316%), and motive (7,635%). These five factors provide diversity in cumulative proportion about 62,255% which mean 62,255% these five factors influence students’ motivation in entrepreneurship and the rest were influenced by other factors that were not identified by the research.

(15)

BAB I

PENDAHULUAN

1.1 Latar Belakang

Wirausaha adalah seorang pembuat keputusan yang membantu terbentuknya sistim ekonomi perusahaan yang bebas. Sebagian besar pendorong perubahan, inovasi, dan kemajuan dalam dunia perekonomian datang dari para wirausaha, orang-orang yang memiliki kemampuan untuk mengambil risiko dan mempercepat pertumbuhan ekonomi. Pertumbuhan ekonomi Indonesia dilihat dari pertumbuhan domestik bruto (PDB), menurut Badan Pusat Statistik PDB Indonesia pada triwulan I-2015 mencapai Rp. 2.724,7 triliun. Ekonomi Indonesia triwulan I-2015 terhadap triwulan I-2014 tumbuh 4,71% melambat dibanding periode yang sama pada tahun 2014 sebesar 5,14%.

(16)

Kementrian Koperasi dan Usaha Kecil Menengah (UKM) meyakini semangat kewirausahaan sangat penting bagi Indonesia khususnya memasuki 2015. Tahun ini dimulainya era baru dalam komunitas masyarakat ekonomi ASEAN atau MEA sebagai pasar tunggal (single market) dan tempat berproduksi (production base). Menteri Koperasi dan UKM, AAGN Puspayoga menyatakan saat ini Indonesia baru memiliki 1,65% wirausahawan dari jumlah populasi penduduk Indonesia. Idealnya untuk menjadi negara yang makmur, suatu negara harus memiliki minimum 2% entrepreneur dari total penduduknya. Untuk pengembangan kewirausahaan, pemerintah kini terus mendorong dengan upaya mempersiapkan calon wirausaha dan memfasilitasi klinik konsultasi kewirausahaan dan pengembangan Inkubator Bisnis (Republika Online, 12 Maret 2015).

Pada zaman sekarang banyak mahasiswa yang tertarik dan melirik profesi bisnis yang cukup menjanjikan masa depan yang cerah. Para mahasiswa umumnya menyatakan sangat menyenangi kegiatan wirausaha dalam dunia bisnis. Kewirausahaan jika dioperasionalkan oleh mahasiswa dengan baik maka akan memberi kontribusi yang besar terhadap kehidupan mahasiswa. Minimal dalam jangka pendek, mahasiswa yang bersangkutan mampu untuk mandiri selepas lulus tanpa kebingungan mencari pekerjaan karena tidak menganggur. Walaupun nantinya para mahasiswa ingin bekerja di tempat yang sesuai dengan displin ilmu yang ditekuni, minimal menjadi bekal ketika terjun ke lingkungan masyarakat. Semakin banyak mahasiswa yang terjun dalam dunia kewirausahaan maka semakin banyak wirausahawan baru yang berpendidikan tinggi serta banyaknya tenaga terampil di sektor swasta menjadikan perekonomian Indonesia terus berkembang.

(17)

1.2 Rumusan Masalah

Permasalahan yang akan diteliti berdasarkan latar belakang uraian sebelumnya adalah bagaimana mengetahui faktor-faktor yang mempengaruhi untuk meningkatkan minat mahasiswa FMIPA USU berwirausaha.

1.3 Batasan Masalah

Agar proses penelitian ini lebih jelas, maka penulis memberikan batasan masalah yang diteliti yakni:

1. Analisis data yang digunakan adalah teknik analisis faktor dengan menggunakan metode Principal component analysis, metode perotasian yang digunakan adalah Varimax procedure.

2. Metode pemilihan sampel yang digunakan adalah Proportionated stratified random sampling.

3. Objek yang diteliti adalah mahasiswa FMIPA USU dengan kriteria sudah menjalani perkuliahan minimal 2 semester.

4. Penelitian hanya dibatasi pada 14 variabel yang sudah ditentukan dalam menganalisis faktor-faktor yang mempengaruhi minat berwirausaha mahasiswa FMIPA USU.

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk mengetahui faktor-faktor dominan yang mempengaruhi minat mahasiswa berwirausaha di kalangan mahasiswa FMIPA USU berdasarkan variabel-variabel yang telah ditentukan.

1.5 Kontribusi Penelitian

Hasil penelitian ini diharapkan dapat memberikan manfaat bagi:

(18)

2. Memberikan gambaran bagaimana pengaruh faktor dominan terhadap minat mahasiswa untuk berwirausaha sehingga dapat dijadikan sebagai pengendali dalam pengambilan keputusan yang baik.

3. Mendukung pemerintah dalam membangkitkan minat berwirausaha di kalangan mahasiswa dan lebih meningkatkan jumlah wirausahawan yang berasal dari mahasiswa.

1.6 Tinjauan Pustaka

Analisis faktor merupakan salah satu analisis statistik multivariat yang menitikberatkan pada data yang mempunyai hubungan yang sangat erat secara bersama-sama pada masing-masing variabel, tanpa membedakan antara variabel terikat (Y) dan variabel bebas (X). Santoso (2010) mengemukakan bahwa proses analisis faktor mencoba menemukan hubungan antara sejumlah variabel yang saling independen satu dengan yang lain, sehingga bisa dibuat satu atau beberapa variabel yang lebih sedikit dari jumlah variabel awal.

(19)

Variabel awal

Faktor yang terbentuk

Gambar 1.1 Hubungan antara Variabel dan Faktor dengan:

X1 = Keluarga memberikan dukungan penuh dalam minat saya berwirausaha. X2 = Saya aktif membantu dalam menjalankan usaha keluarga.

X3 = Berbagai kegiatan wirausaha di lingkungan kampus mendorong keinginan saya untuk berwirausaha.

X4 = Teman sepergaulan yang telah lebih dulu berwirausaha selalu mengajak saya untuk bergabung.

X5 = Berwirausaha merupakan keinginan dan cita-cita saya selama ini.

X6 = Melalui kegiatan coba-coba dengan diajak teman, akhirnya saya merasa memiliki kemampuan untuk mulai berwirausaha.

X7 = Saya menyadari bahwa dalam berwirausaha tidak selalu akan memperoleh keuntungan.

X8 = Kebebasan untuk berkarir dengan kemampuan serta pemikiran yang saya miliki mendorong saya untuk terus berwirausaha.

X9 = Perkembangan usaha saat ini memberikan gambaran bagi saya untuk selalu mengevaluasi kemampuan saya.

X10 = Saya memiliki rasa percaya diri yang tinggi dalam berwirausaha.

V1

V7 V2

V6 V11 V10

V5

V4 V3

V14 V8

V13

V9

Faktor 1 V3 V8 V9 V10 V11 V12 V14

Faktor 2 V5

Faktor 3 V1 V2

Faktor 5 V6 V7 Faktor 4

(20)

X11 = Memiliki penghasilan sendiri dan dapat meringankan beban orang tua mendorong minat saya untuk berwirausaha.

X12 = Dengan berwirausaha saya dapat mengukur minat dan kemampuan saya dalam menyalurkan ide kreatif.

X13 = Saya selalu mengikuti acara-acara kewirausahaan yang ada di dalam kampus maupun di luar kampus.

X14 = Keputusan untuk berwirausaha adalah modal saya untuk menciptakan masa depan yang saya inginkan.

Jika variabel-variabel dibakukan (standardized), model analisis faktor bisa ditulis sebagai berikut:

(1.1) dengan:

i = 1, 2, 3, … , k j = 1, 2, 3, … , m

= variabel ke-i yang dibakukan (rata-ratanya nol, standar deviasinya satu) = koefisien regresi parsial yang dibakukan untuk variabel i pada common

factor ke-j

= common factor ke-j

= koefisien regresi yang dibakukan untuk variabel ke-i pada faktor yang unik ke-i (unique factor)

= faktor unik variabel ke-i m = banyaknya common factor

Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan common factor. Common factor sendiri bisa dinyatakan sebagai kombinasi linier dari variabel-variabel yang terlihat/terobservasi (the observed variables) hasil penelitian lapangan.

(1.2) dengan:

(21)

= perkiraan faktor ke-i (didasarkan pada nilai variabel X dengan koefisiennya Wi)

= timbangan/bobot atau koefisien nilai faktor ke-i

1.7 Metodologi Penelitian

1. Pengumpulan Data

Data yang digunakan adalah data primer, data diperoleh dengan menyebarkan kuesioner kepada responden yang menjadi sampel, pemilihan sampel dilakukan dengan menggunakan metode Proportionated Stratified Random Sampling. Sampel dalam penelitian ini adalah mahasiswa FMIPA USU.

2. Pengolahan Data

Data yang telah diperoleh selanjutnya diuji ketepatan dan keandalannya. a. Uji Validitas (kesahihan)

Validitas menunjukkan sejauh mana skor/nilai/ukuran yang diperoleh benar-benar menyatakan hasil pengukuran/pengamatan yang ingin diukur.

b. Uji Reliabilitas

Reliabilitas adalah indeks yang menunjukkan suatu alat pengukur dapat dipercaya atau dapat diandalkan (Syafrizal, 2008).

3. Analisis Faktor

Secara garis besar tahapan dalam melakukan analisis faktor adalah: a. Merumuskan masalah dan mengenali variabel yang akan dianalisis. b. Membentuk matriks korelasi.

c. Memilih metode analisis faktor. d. Menentukan banyaknya faktor. e. Melakukan rotasi faktor. f. Membuat interpretasi faktor.

g. Menghitung factor scores atau surrogate variables. h. Menentukan ketepatan model (model fit).

(22)

BAB 2

LANDASAN TEORI

2.1 Pengertian Wirausaha

Meredith (2005) menyatakan bahwa wirausaha adalah orang-orang yang mempunyai kemampuan melihat dan menilai kesempatan usaha mengumpulkan serta sumber daya yang dibutuhkan guna mengambil keuntungan dan mengambil tindakan yang tepat guna memastikan kesuksesan. Para wirausaha merupakan pengambil risiko yang telah diperhitungkan dan bersemangat dalam menghadapi tantangan. Seorang wirausahawan dalam pikirannya selalu berusaha mencari, memanfaatkan serta menciptakan peluang usaha yang dapat memberikan keuntungan. Risiko kerugian merupakan hal biasa karena semakin besar risiko kerugian yang akan dihadapi, maka semakin besar pula keuntungan yang dapat diraih. Tidak ada istilah rugi selama seseorang melakukan usaha dengan penuh keberanian dan penuh perhitungan.

2.1.1 Faktor-faktor yang Mempengaruhi Minat Berwirausaha

Faktor-faktor yang mempengaruhi minat berwirausaha dapat dibagi menjadi faktor lingkungan (lingkungan keluarga dan lingkungan sekitar), kepribadian (ekstraversi, kesepahaman/agreebleness, berani mengambil risiko, kebutuhan berprestasi, evaluasi diri, dan overconfidence), motif (bekerja dan penyaluran ide kreatif), dan minat berwirausaha (keterlibatan dalam kegiatan wirausaha dan mindset masa depan).

a. Lingkungan

(23)

terdekat akan membantu individu bertahan dalam menghadapi permasalahan yang terjadi.

b. Kepribadian

Kebutuhan berprestasi (need for achievement) mendorong individu untuk menghasilkan yang terbaik. Seorang wirausaha membutuhkan kepribadian yang khas agar mendukung minat berwirausaha individu tersebut serta dapat digunakan untuk mengukur tingkat keberhasilannya dengan selalu mengevaluasi pekerjaan yang dilakukan karena dari setiap tindakan yang dilakukan selalu mengambil risiko yang telah diperhitungkan dengan baik untuk memperoleh keuntungan yang sebesar-besarnya.

c. Motif

Kewirausahaan adalah suatu kemampuan untuk menciptakan sesuatu yang baru dan berbeda (Drucker, 1998). Penyaluran ide kreatif yang dimiliki oleh seseorang dengan memanfaatkan kesempatan-kesempatan yang didapat untuk bekerja dan meningkatkan harga diri, popularitas, dan terhindar dari ketergantugan terhadap orang lain serta merencanakan masa depan cerah yang diinginkan.

d. Minat Berwirausaha

Minat merupakan suatu persoalan yang objeknya berwujud serta dapat menimbulkan dampak yang positif dan tidak jarang pula menimbulkan dampak yang negatif. Menurut (Slameto, 2003) minat tidak dibawa sejak lahir, melainkan diperoleh kemudian. Minat terhadap sesuatu merupakan hasil belajar dan menyokong belajar selanjutnya. Minat berwirausaha merupakan suatu ketertarikan pada diri seseorang terhadap kegiatan wirausaha dan keinginan untuk terlibat dalam kegiatan kewirausahaan.

2.2 Data

(24)

Menurut cara memperolehnya data terbagi atas dua bagian, yaitu: 1. Data Primer

Data primer adalah data yang diperoleh secara langsung dari objek yang diteliti, baik dari objek individual (responden) maupun dari suatu instansi yang mengolah data untuk keperluan dirinya sendiri, contoh data primer adalah: data hasil wawancara dengan responden.

2. Data Sekunder

Data sekunder adalah data primer yang diperoleh secara tidak langsung untuk mendapatkan informasi/keterangan dari objek yang diteliti, biasanya data tersebut diperoleh dari tangan kedua baik dari objek secara individual (responden) maupun dari suatu badan (instansi) yang dengan sengaja melakukan pengumpulan data dari instansi-instansi atau badan lainnya untuk keperluan penelitian dari para pengguna.

2.3 Variabel

Variabel adalah karakteristik yang bisa memberikan sekurang-kurangnya dua klasifikasi berbeda atau karakteristik yang mungkin bisa memberikan sekurang-kurangnya dua hasil pengukuran dan perhitungan yang berbeda.

2.4 Populasi

Menurut Supranto (2010:2) populasi ialah kumpulan yang lengkap dari seluruh

elemen yang sejenis akan tetapi dapat dibedakan karena karakteristik (N = jumlah populasi). Populasi yang digunakan dalam penelitian ini adalah

mahasiswa FMIPA USU dengan kriteria sudah menjalani perkuliahan minimal 2 semester.

2.5 Metode Pengambilan Sampel

(25)

keberadaan populasi yang sebenarnya. Menurut Suharso (2009) untuk menentukan ukuran sampel dari suatu populasi, terdapat banyak teori yang ditawarkan, antara lain yaitu metode Slovin, rumusnya sebagai berikut:

n = (2.1)

dengan:

n = jumlah sampel N = jumlah populasi

= persentase kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang masih dapat ditolerir atau diinginkan

2.5.1 Teknik Sampling

Sampling adalah proses pemilihan sejumlah elemen dari populasi. Teknik

sampling adalah suatu cara untuk menentukan banyaknya sampel dan pemilihan

calon anggota sampel, sehingga setiap sampel yang terpilih dalam penelitian dapat mewakili populasinya (representatif). Jarang sekali suatu penelitian dilakukan dengan cara memeriksa semua objek yang diteliti (sensus), tetapi sering digunakan sampling.

Teknik sampling dapat dikelompokkan menjadi dua bagian, yaitu: 1. Probability sampling, meliputi:

a. Simple random sampling (populasi homogen) yaitu pengambilan sampel dilakukan secara acak tanpa memperhatikan strata yang ada.

b. Proportionated stratified random sampling (populasi tidak homogen) yaitu pengambilan sampel dilakukan secara acak dengan memperhatikan strata yang ada. Artinya setiap strata terwakili sesuai proporsinya.

c. Disproportionated stratified random sampling digunakan untuk menentukan jumlah sampel dengan populasi berstrata tetapi kurang proporsional.

d. Cluster sampling (sampling daerah) yaitu teknik ini digunakan untuk menentukan jumlah sampel jika sumber data sangat luas.

(26)

Dalam penelitian ini digunakan metode Proportionated stratified random sampling. Alokasi proporsional ditentukan dengan menggunakan rumus:

ni = (2.2)

dengan:

ni = jumlah sampel menurut stratum Ni = jumlah populasi menurut stratum N = jumlah populasi

n = jumlah sampel

2.6 Skala Pengukuran

Jenis-jenis skala pengukuran terbagi atas 4 bagian, yaitu: 1. Skala Nominal

Skala nominal yaitu skala yang paling sederhana disusun menurut jenis (kategorinya) atau fungsi bilangan hanya sebagai simbol untuk membedakan sebuah karakteristik dengan karakteristik lainnya.

Contoh: Jenis kulit 1 = putih; 2 = kuning; 3 = hitam. 2. Skala Ordinal

Skala ordinal ialah skala yang didasarkan pada ranking, diurutkan dari jenjang yang lebih tinggi sampai jenjang yang terendah atau sebaliknya.

Contoh: A = hasil baik; B = hasil cukup; C = hasil sedang. 3. Skala Interval

Skala interval adalah suatu pemberian angka kepada kelompok dari objek-objek yang mempunyai sifat skala nominal dan ordinal ditambah dengan satu sifat lain yaitu jarak yang sama, data skala interval diberikan apabila kategori yang digunakan bisa dibedakan, diurutkan, dan mempunyai jarak tertentu tetapi tidak bisa dibandingkan.

Contoh: termometer, pengukuran suhu dengan skala celcius. 4. Skala Ratio

Skala ratio digunakan untuk pengukuran yang memperhatikan golongan, urutan, panjang, dan perbandingan atau ratio.

(27)

2.7 Tipe Skala Pengukuran

Dari keempat jenis skala pengukuran tersebut, ternyata skala interval lebih sering digunakan untuk mengukur gejala dalam penelitian sosial. Para ahli sosiologi menyatakan skala pengukuran untuk mengukur perilaku susila dan kepribadian. Termasuk tipe ini adalah: skala sikap, skala moral, test karakter, skala partisipasi sosial.

2.7.1 Model Skala Sikap

Dari tipe-tipe skala pengukuran tersebut, maka dalam pembahasan ini hanya dikemukakan skala untuk mengukur sikap. Dalam melakukan penelitian, bentuk-bentuk skala sikap yang sering digunakan ada 5 macam, yaitu:

a. Skala Likert

Skala Likert digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang kejadian atau gejala sosial. Dalam penelitian ini kriterianya yaitu: sangat setuju = 4; setuju = 3; kurang setuju = 2; sangat tidak setuju = 1. Penilaian dilakukan dengan empat kriteria dikarenakan setelah percobaan penyebaran kuesioner kepada sampel minimum jawaban netral dari kriteria penilaian sebelumnya menjadi jawaban yang ragu-ragu, banyak responden yang lebih memilih kriteria netral, sehingga dalam penelitian ini hanya digunakan empat kriteria jawaban saja.

b. Skala Guttman

Skala Guttman ialah skala yang digunakan untuk jawaban yang bersifat jelas (tegas) dan konsisten. Misalnya: ya - tidak; benar - salah; positif - negatif dan lain sebagainya.

c. Skala Diferensial Semantik (Semantic Differensial Scale)

Skala Diferensial Semantik atau skala perbedaan semantik berisikan serangkaian karakteristik dua kutub, seperti panas - dingin; popular - tidak popular; baik - tidak baik, dan sebagainnya.

d. Rating Scale

Rating Scale yaitu data mentah yang diperoleh berupa angka kemudian

(28)

tidak terbatas untuk pengukuran sikap saja, tetapi untuk mengukur persepsi responden terhadap gejala/fenomena lainnya.

e. Skala Thrustone

Skala Thrustone meminta responden untuk memilih pertanyaan yang disetujui dari beberapa pernyataan yang menyajikan pandangan yang berbeda-beda.

2.8 Metode dan Instrumen Pengumpulan Data

Metode pengumpulan data ialah teknik atau cara-cara yang dapat digunakan oleh peneliti untuk mengumpulkan data. Instrumen pengumpulan data adalah alat bantu yang dipilih dan digunakan oleh peneliti dalam kegiatannya mengumpulkan data agar kegiatan tersebut menjadi sistematis.

Instrumen yang dapat dipergunakan antara lain adalah: 1. Angket (Questionnaire)

Angket (Questionnaire) adalah daftar pertanyaan yang diberikan kepada orang lain yang bersedia memberikan respon sesuai dengan permintaan pengguna. 2. Daftar cocok (checklist)

Checklist atau daftar cocok adalah suatu daftar yang berisi subjek dan

aspek-aspek yang akan diamati. 3. Wawancara (interview)

Wawancara adalah suatu cara pengumpulan data yang digunakan untuk memperoleh informasi langsung dari sumbernya. Ada beberapa faktor yang mempengaruhi arus informasi dalam wawancara, yaitu: pewawancara, responden, pedoman wawancara, dan situasi wawancara.

4. Observasi

Observasi yaitu melakukan pengamatan secara langsung ke objek penelitian untuk melihat dari dekat kegiatan yang dilakukan.

5. Dokumentasi

(29)

2.9 Transformasi Data Ordinal menjadi Data Interval

Mentransformasikan data ordinal menjadi data interval gunanya untuk memenuhi sebagian syarat analisis parametrik yang mana data setidak-tidaknya berskala interval. Teknik transformasi yang paling sederhana dengan menggunakan MSI (Method of Successive Interval). Langkah-langkah transformasi data ordinal ke data interval sebagai berikut:

a. Pertama perhatikan setiap butir jawaban responden dari angket yang disebarkan.

b. Pada setiap butir ditentukan beberapa orang yang mendapat skor 1, 2, 3, 4 yang disebut sebagai frekuensi.

c. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut proporsi, rumusannya sebagai berikut:

= (2.3)

dengan:

= proporsi pada skor i = frekuensi pada skor ke-i

= total frekuensi

d. Tentukan nilai proporsi kumulatif dengan jalan menjumlahkan nilai proporsi secara berurutan perkolom skor.

e. Gunakan Tabel Distribusi Normal, hitung nilai Z untuk setiap proporsi kumulatif yang diperoleh.

f. Menentukan nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut ke fungsi densitas normal baku sebagai berikut:

f(z) = (2.4)

dengan: = 3,141593 e = 2,718282

g. Tentukan nilai skala dengan menggunakan rumus:

scale value = (2.5)

(30)

Y = scale value + [1 + | scale value min|] (2.6)

Scale valuemin artinya adalah nilai scale value absolute (tanpa memperhatikan

tanda positif atau negatif) paling kecil.

2.10 Uji dalam Pengolahan Data

2.10.1 Uji Validitas

Secara umum, validitas adalah mengukur apa yang seharusnya diukur. Validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan dan kecermatan suatu instrumen pengukuran dalam melakukan fungsi ukurnya (Azwar, 1996). Untuk menguji validitas digunakan perhitungan Korelasi Product Moment. Rumusnya adalah sebagai berikut:

= (2.7)

dengan:

= koefisien korelasi X = skor variabel bebas Y = skor variabel terikat n = jumlah sampel

Pertimbangan penerimaan/penolakan hipotesis adalah dengan membandingkan nilai Correlation Item-Total Correlation rhitung dengan rtabel. Dasar pengambilan keputusan sebagai berikut:

1. Bila rhitung ≥ rtabel maka butir atau variabel tersebut valid. 2. Bila rhitung < rtabel maka butir atau variabel tersebut tidak valid.

2.10.2 Uji Reliabilitas

(31)

cukup memuaskan jika nilai Alpha Cronbach > 0,6 (Ghozali, 2005). Nilai Alpha Cronbach diperoleh dengan langkah-langkah sebagai berikut:

a. Menghitung varian setiap variabel

= (2.8)

b. Menjumlahkan varian seluruh variabel

= + + … + (2.9)

c. Melakukan proses perhitungan Alpha Cronbach

= (2.10)

dengan:

= nilai Alpha Cronbach k = banyaknya variabel

∑ = total varian variabel j, j = 1, 2, 3, … , k = nilai varian tanpa variabel ke-j

2.11 Analisis Faktor

2.11.1 Pengertian Analisis Faktor

Analisis faktor merupakan salah satu analisis statistik multivariat yang menitikberatkan pada data yang mempunyai hubungan yang sangat erat secara bersama-sama pada masing-masing variabel, tanpa membedakan antara variabel terikat (Y) dan variabel bebas (X). Santoso (2010) mengemukakan bahwa proses analisis faktor mencoba menemukan hubungan antara sejumlah variabel yang saling independen satu dengan yang lain, sehingga bisa dibuat satu atau beberapa variabel yang lebih sedikit dari jumlah variabel awal. Menurut Supranto (2010) analisis faktor merupakan nama umum yang menunjukkan suatu kelas prosedur, utamanya dipergunakan untuk mereduksi data atau meringkas, dari variabel yang lama diubah menjadi 4 atau 5 variabel baru yang disebut faktor dan masih memuat sebagian besar informasi yang terkandung dalam variabel asli (original variable).

(32)

1. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimension) atau faktor yang menjelaskan korelasi antara suatu set variabel.

2. Menganalisa faktor berarti mereduksi data/variabel. Menganalisis atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi (independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel asli yang saling berkorelasi di dalam analisis multivariat selanjutnya, misalnya analisis regresi linier berganda dan analisis diskriminan.

3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariat selanjutnya.

Untuk menggunakan teknik ini persyaratan yang sebaiknya dipenuhi ialah: 1. Data yang digunakan ialah data kuantitatif berskala interval atau ratio.

2. Data harus mempunyai distribusi normal bivariate untuk masing-masing pasangan variabel.

3. Model ini mengkhususkan bahwa semua variabel ditentukan oleh faktor-faktor biasa (faktor-faktor yang diestimasikan oleh model) dan faktor-faktor yang unik (yang tidak tumpang tindih antara variabel-variabel yang sedang diobservasi).

4. Estimasi yang dihitung berdasarkan pada asumsi bahwa semua faktor unik tidak saling berkorelasi satu dengan lainnya dan dengan faktor-faktor biasa. 5. Persyaratan dasar untuk melakukan penggabungan ialah besarnya korelasi

antara variabel independen setidak-tidaknya 0,5 karena prinsip analisis faktor ialah adanya korelasi antar variabel.

2.11.2 Model Analisis Faktor

Kalau variabel-variabel dibakukan (standardized), model analisis faktor bisa ditulis sebagai berikut:

(2.11) dengan:

(33)

= variabel ke-i yang dibakukan (rata-ratanya nol, standar deviasinya satu) = koefisien regresi parsial yang dibakukan untuk variabel i pada common

factor ke-j

= common factor ke-j

= koefisien regresi yang dibakukan untuk variabel ke-i pada faktor yang unik ke-i (unique factor)

= faktor unik variabel ke-i m = banyaknya common factor

Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan common factor. Common factor sendiri bisa dinyatakan sebagai kombinasi linier dari variabel-variabel yang terlihat/terobservasi (the observed variables) hasil penelitian lapangan.

(2.12)

dengan:

i = 1, 2, 3, … , k k = banyaknya variabel

= perkiraan faktor ke-i (didasarkan pada nilai variabel X dengan koefisiennya Wi)

= timbangan atau koefisien nilai faktor ke-i

2.11.3 Statistik yang Relevan dengan Analisis Faktor

Statistik kunci yang relevan dengan analisis faktor adalah sebagai berikut:

a. Bartlett’s test of sphericity

Bartlett’s test of sphericity yaitu uji statistik yang digunakan untuk menguji hipotesis bahwa variabel tidak saling berkorelasi dalam populasi. Dengan kata lain matriks korelasi populasi merupakan matriks identitas (identity matrix), di mana setiap variabel berkorelasi dengan dirinya sendiri secara sempurna dengan r = 1 akan tetapi sama sekali tidak berkorelasi dengan lainnya r = 0, jadi elemen pada diagonal utama matriks semua nilainnya 1, sedangkan di luar diagonal utama nilainya nol (rij = 1 kalau i = j dan = 0 kalau i j).

(34)

dengan:

n = jumlah sampel k = banyaknya variabel

|R| = determinan matriks korelasi

b. Matriks korelasi

Matriks korelasi adalah matriks yang menunjukkan korelasi sederhana antara semua pasangan variabel yang tercakup dalam analisis. Nilai atau angka pada diagonal utama yang semuanya sama yaitu = 1, dihapus/ditiadakan. Jadi kalau matriks A ordo 4 4 dapat ditulis sebagai berikut:

A =

c. Communality

Communality ialah varian yang disumbangkan oleh suatu variabel dengan

seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau bagian varian yang dijelaskan oleh common factor atau besarnya sumbangan suatu faktor terhadap varian seluruh variabel.

= + + … + (2.14)

dengan:

i = 1, 2, 3, … , p

= communality variabel ke-i = nilai factor loading

d. Eigenvalue (nilai eigen)

Eigenvalue merupakan jumlah varian yang dijelaskan oleh setiap faktor.

e. Factor loadings plot

Factor loadings plot ialah suatu plot dari variabel asli dengan menggunakan

factor loadings sebagai koordinat.

f. Factor loadings

Factor loadings ialah korelasi sederhana antara variabel dengan faktor.

g. Factor matrix

Factor matrix yang memuat semua factor loading dari semua variabel pada

(35)

h. Factor scores

Factor scores merupakan skor komposit yang diestimasi untuk setiap

responden pada faktor turunan (derived factors).

i. Kaiser-Meyer-Olkin (KMO) dan MSA (Measure of Sampling Adequacy)

KMO merupakan suatu indeks yang dipergunakan untuk meneliti ketepatan analisis faktor. Nilainya antara 0,5 - 1,0 yang berarti analisis faktor tepat, kalau < 0,5 maka analisis faktor dikatakan tidak tepat.

KMO = (2.15)

dengan:

i = 1, 2, 3, … , p ; j = 1, 2, 3, … , p

= koefisien korelasi sederhana dari variabel i dan j = koefisien korelasi parsial dari variabel i dan j

MSA yaitu suatu indeks perbandingan antara koefisien korelasi parsial untuk setiap variabel. MSA digunakan untuk mengukur kecukupan sampel.

MSA = (2.16)

dengan:

i = 1, 2, 3, … , p ; j = 1, 2, 3, … , p

= koefisien korelasi sederhana dari variabel i dan j = koefisien korelasi parsial dari variabel i dan j

j. Percentage of variance

Percentage of variance merupakan persentase varian total yang disumbangkan

oleh setiap faktor.

k. Residuals

Residuals merupakan perbedaan antara korelasi yang terobservasi berdasarkan

input correlation matrix dan korelasi hasil reproduksi yang diperkirakan dari matriks faktor.

l. Scree plot

Scree plot merupakan plot dari eigenvalue sebagai sumbu tegak dan banyaknya

(36)

2.12 Langkah-langkah Analisis Faktor

Langkah-langkah dalam analisis faktor adalah sebagai berikut:

1. Merumuskan Masalah

Merumuskan masalah meliputi beberapa kegiatan yaitu mengidentifikasi tujuan analisis faktor, menentukan besarnya sampel.

2. Membentuk Matriks Korelasi

Proses analisis didasarkan pada suatu matriks korelasi antar variabel. Agar analisis faktor menjadi tepat, variabel-variabel yang dikumpulkan harus berkorelasi.

3. Menghitung Eigenvalue (nilai eigen)

Perhitungan eigenvalue, di mana perhitungan ini berdasarkan persamaan karakteristik:

det ( I - A) = 0 (2.17)

dengan:

A = matriks korelasi = eigenvalue I = matriks identitas

Eigenvalue adalah jumlah varian yang dijelaskan oleh setiap faktor (Anton

Howard, 2000).

4. Menghitung Eigenvector (vektor eigen)

Penentuan eigenvector yang bersesuaian dengan eigenvalue, yaitu dengan persamaan:

Ax = x (2.18)

dengan:

x = eigenvector (Anton Howard, 2000)

5. Menentukan Banyaknya Faktor

Beberapa prosedur yang dapat digunakan dalam menentukan banyaknya faktor: a. Penentuan berdasarkan A Priori

(37)

b. Penentuan berdasarkan Eigenvalue

Pada pendekatan ini eigenvalue mempresentasikan besarnya sumbangan dari faktor terhadap varian seluruh variabel aslinya. Hanya faktor dengan varian lebih besar dari 1 (satu) yang dimasukkan dalam model.

c. Penentuan berdasarkan Scree Plot

Scree plot merupakan plot dari nilai eigenvalue terhadap banyaknya faktor

dalam ekstraksinya. Bentuk plot yang dihasilkan digunakan untuk menentukan banyaknya faktor.

d. Penentuan berdasarkan Persentase Varian

Dalam pendekatan ini, banyaknya faktor yang diekstraksi ditentukan berdasarkan persentase kumulatif varian mencapai tingkat yang memuaskan peneliti. Sebagai petunjuk umum bahwa ekstraksi faktor dihentikan kalau persentase kumulatif varian sudah mencapai paling sedikit 60% atau 75% dari seluruh varian variabel asli (Supranto, 2010).

e. Penentuan berdasarkan Split-Half Reliability

Sampel dibagi menjadi dua, dan analisis faktor diaplikasikan kepada masing-masing bagian. Hanya faktor yang memiliki factor loading tinggi pada masing-masing bagian sampel yang akan dipertahankan.

f. Penentuan berdasarkan Uji Signifikan

Dimungkinkan untuk menentukan uji signifikansi statistik untuk eigenvalue yang terpisah dan mempertahankan faktor-faktor yang berdasarkan uji statistik eigenvalue signifikan pada = 5% atau = 1%.

6. Menghitung Matriks faktor loading

Matriks factor loading ( ) diperoleh dengan mengalikan matriks eigenvector (V) dengan akar dari matriks eigenvalue (L).

7. Melakukan Rotasi Faktor

(38)

banyak variabel. Beberapa metode rotasi, yaitu orthogonal rotation kalau sumbu dipertahankan tegak lurus sesamanya (bersudut 90 derajat). Yang paling banyak digunakan adalah varimax procedure, yaitu metode orthogonal dengan meminimumkan banyaknya variabel yang memiliki loading tinggi pada sebuah faktor, sehingga lebih mudah menginterpretasikan faktor-faktor yang tidak berkorelasi satu sama lain. Oblique rotation adalah jika sumbu-sumbu tidak dipertahankan harus tegak lurus sesamanya (bersudut 90 derajat) dan faktor tidak berkorelasi. Kadang-kadang, mentoleransi korelasi antar faktor-faktor bisa menyederhanakan matriks pola faktor-faktor. Oblique rotation harus dipergunakan kalau fakor dalam populasi berkorelasi sangat kuat.

8. Interpretasi Faktor

Interpretasi dipermudah dengan mengidentifikasikan variabel yang factor loading besar pada faktor yang sama. Faktor tersebut kemudian dapat diinterpretasikan menurut variabel-variabel yang memiliki loading tinggi dengan faktor tersebut.

9. Menentukan Ketepatan Model (model fit)

(39)

BAB 3

PEMBAHASAN DAN HASIL

3.1 Populasi, Sampel, dan Teknik Pengambilan Sampel

Populasi dalam penelitian ini adalah mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam di Universitas Sumatera Utara. Populasi sasarannya adalah mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam yang minimal sudah menjalani perkuliahan dua semester dan masih aktif dalam perkuliahan. Data jumlah mahasiswa yang diperoleh adalah sebagai berikut:

Tabel 3.1 Jumlah Mahasiswa FMIPA USU

No. Program Studi Jumlah mahasiswa

1 Matematika S1 263

2 Kimia S1 261

3 Biologi S1 290

4 Fisika S1 263

5 Kimia D3 315

6 Ilmu Komputer D3 526

7 Fisika D3 105

8 Statistika D3 288

Total 2.311 Sumber: Direktori USU

Pengambilan sampel dilakukan menggunakan metode Slovin dengan mengambil tingkat kepercayaan 90%, perhitungannya sebagai berikut:

(40)

Maka dapat ditentukan jumlah sampel dalam penelitian ini adalah sebanyak 96 orang. Teknik pengambilan sampel menggunakan metode Proportionated stratified random sampling, maka jumlah sampel yang harus diambil berdasarkan

perhitungan proporsi dari setiap jurusan di FMIPA USU sebagai berikut. Tabel 3.2 Penarikan Sampel dengan Proporsional

No. Departemen Program Studi Jumlah mahasiswa Jumlah sampel

1 Matematika

Matematika S1 x 96 11

Ilmu Komputer D3 x 96 22

Statistika D3 x 96 12

2 Kimia

Kimia S1 x 96 11

Kimia D3 x 96 13

3 Fisika

Fisika S1 x 96 11

Fisika D3 x 96 4

4 Biologi Biologi S1 x 96 12

Total 96

3.2 Pengolahan Data

3.2.1 Input Data Mentah

[image:40.595.121.513.619.746.2]

Data hasil kuesioner yang disebarkan kepada 96 orang sampel adalah sebagai berikut:

Tabel 3.3 Data Hasil Kuesioner

No. Nomor Item Pernyataan

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

1 3 1 3 3 2 2 3 3 3 3 4 4 2 3

2 4 3 4 4 2 3 3 4 3 4 4 3 2 4

3 3 3 3 3 2 4 3 3 4 4 4 3 2 4

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

96 3 2 4 4 4 4 2 4 3 4 4 4 4 3

(41)

3.2.2 Penskalaan Data Ordinal menjadi Data Interval

Sebelum melaksanakan proses analisis faktor, maka data mentah yang masih berskala ordinal akan diubah ke bentuk skala interval. Teknik penskalaan yang digunakan yaitu teknik MSI (Method of Successive Interval) dengan bantuan software Microsoft Excel 2007.

Langkah-langkah penskalaan dapat dijabarkan sebagai berikut:

1. Nomor item pernyataan yang akan di MSI adalah item 1 yaitu variabel X1. 2. Skor jawaban responden dalam skala Ordinal (Likert) nilainya antara 1 - 4. 3. Menghitung frekuensi masing-masing skor jawaban dalam skala ordinal.

Alternatif jawaban 1 = 1 Alternatif jawaban 2 = 13 Alternatif jawaban 3 = 52 Alternatif jawaban 4 = 30 4. Menghitung Proporsi (P)

Proporsi diperoleh dari hasil perbandingan antara jumlah frekuensi perpoin dengan total frekuensi, sehingga diperoleh proporsi sebagai berikut:

P1 = = 0,010

P2 = = 0,135

P3 = = 0,542

P4 = = 0,313

5. Menentukan Proporsi Kumulatif (PK)

Proporsi kumulatif diperoleh dengan menjumlahkan secara berurutan untuk setiap nilai, sehingga nilai diperoleh sebagai berikut:

PK1 = 0,000 + 0,010 = 0,010 PK2 = 0,010 + 0,135 = 0,145 PK3 = 0,145 + 0,542 = 0,687 PK4 = 0,687 + 0,313 = 1,000 6. Mencari Nilai Z

(42)

Untuk PK1 = 0,01. Nilai p yang akan dihitung ialah 0,50 - 0,01 = 0,49.

Cari nilai yang mendekati 0,49, ternyata nilai tersebut terletak diantara nilai z = 2,33 dan z = 2,34.

Oleh karena itu nilai z untuk daerah dengan populasi 0,49 diperoleh dengan cara interpolasi:

0,4901 + 0,4904 = 0,9805 selanjutnya,

= 2,001020408 di mana:

0,9805 : adalah jumlah antara dua nilai yang mendekati 0,49 dari tabel z 0,49 : adalah nilai yang diinginkan sebenarnya

2,0010 : adalah nilai yang digunakan sebagai pembagi dalam interpolasi Nilai z hasil interpolasi adalah:

= 2,311

Karena nilai z berada di sebelah kiri nol, maka z bernilai negatif. Dengan demikian untuk PK1 (0,010) nilai z1 = -2,311.

Dengan cara yang sama diperoleh: z2 = -1,055 z3 = 0,489

z4 = -

7. Menentukan nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z ke dalam fungsi densitas normal baku sebagai berikut:

f (z) =

di mana nilai e = 2,7183 dan nilai = 3,14 atau Untuk nilai Z1 = (-2,311) hasilnya adalah:

f(z1) = = (2,7183 = (2,7183

= (2,7183

(43)

Dengan cara yang sama diperoleh: f(z2) = 0,229 f(z3) = 0,354

f(z4) = 0,000

8. Menghitung Scale Value (SV) dengan rumus: SV =

SV1 = = = -2,651 SV2 = = = -1,486 SV3 = = = -0,231 SV4 = = = 1,133

9. Menentukan Scale Value min sehingga SVterkecil + |SVmin| = 1 Scale Value terkecil = -2,651

[image:43.595.112.518.582.704.2]

(-2,651) + |SVmin| = 1 |SVmin| = 3,651

10. Mentransformasikan nilai skala dengan menggunakan rumus: Y = SV + |SVmin|

Y1 = (-2,651) + 3,651 = 1,000 Y2 = (-1,486) + 3,651 = 2,165 Y3 = (-0,231) + 3,651 = 3,420 Y4 = (1,133) + 3,651 = 4,784

Hasil akhir semua angka dapat dilihat pada tabel berikut: Tabel 3.4 Penskalaan Variabel X1

Skala Skor Ordinal

F Proporsi Proporsi Kumulatif

Nilai Z

Densitas {f(z)}

Scale Value

Nilai Hasil Penskalaan 1,000 1 0,010 0,010 -2,311 0,028 -2,651 1,000 2,000 13 0,135 0,146 -1,055 0,229 -1,468 2,165 3,000 52 0,542 0,688 0,489 0,354 -0,231 3,420

4,000 30 0,313 1,000 - 0,000 1,133 4,784

(44)
[image:44.595.114.511.177.380.2]

Dengan melakukan cara yang sama, maka akan diperoleh hasil penskalaan dari 14 variabel dengan bantuan Microsoft Excel 2007, diperoleh hasil penskalaan data skala ordinal menjadi skala interval sebagai berikut:

Tabel 3.5 Hasil Penskalaan Semua Variabel

X1 X2 X3 X4 X5 X6 X7

1 1,000 1,000 1,000 1,000 1,000 1,000 1,000 2 2,165 2,392 2,165 2,392 2,368 2,281 2,282 3 3,420 3,680 3,504 3,680 3,382 3,479 3,324 4 4,784 5,028 4,922 5,028 4,409 4,751 4,497 Sambungan Tabel 3.5

X8 X9 X10 X11 X12 X13 X14

1 1,000 1,000 1,000 1,000 1,000 1,000 1,000 2 2,065 1,974 2,611 2,017 2,198 2,771 2,165 3 3,319 3,224 3,789 3,071 3,422 4,176 3,462 4 4,702 4,624 4,973 4,416 4,763 5,544 4,850 Perhitungan keseluruhan penskalaan variabel dapat dilihat pada Lampiran 2.

3.2.3 Uji Validitas

[image:44.595.115.511.528.750.2]

Validitas menunjukkan sejauh mana skor/nilai/ukuran yang diperoleh benar-benar menyatakan hasil pengukuran/pengamatan yang ingin diukur.

Tabel 3.6 Uji Validitas Variabel Penelitian

No. Variabel rhitung rtabel Kesimpulan

1 X1 0,318 0,202 Valid

2 X2 0,209 0,202 Valid

3 X3 0,448 0,202 Valid

4 X4 0,229 0,202 Valid

5 X5 0,314 0,202 Valid

6 X6 0,299 0,202 Valid

7 X7 0,244 0,202 Valid

8 X8 0,523 0,202 Valid

9 X9 0,417 0,202 Valid

10 X10 0,501 0,202 Valid

11 X11 0,519 0,202 Valid

12 X12 0,527 0,202 Valid

13 X13 0,234 0,202 Valid

(45)

Dari tabel terlihat bahwa seluruh variabel dinyatakan valid karena nilai rhitung ≥ rtabel. Nilai rtabel dapat dilihat dari Tabel Nilai Kritis untuk Korelasi Product Moment dengan n = 96 dan = 5%, maka diperoleh rtabel = 0,202.

[image:45.595.141.448.424.631.2]

Untuk memudahkan perhitungan manual Korelasi Product Moment antara variabel X12 dengan skor total variabel lainnya (Y) diperlukan tabel perhitungan Korelasi Product Moment dengan bantuan Microsoft Excel 2007 sebagai berikut:

Tabel 3.7 Perhitungan Korelasi Product Moment

No. X12 Y X12Y X122 Y2

1 4,763 40,558 193,177754 22,686169 1.644,951364 2 3,422 52,521 179,726862 11,710084 2.758,455441 3 3,422 49,680 170,004960 11,710084 2.468,102400

. . .

. . .

. . .

. . .

. . .

. . .

96 4,763 53,525 254,939575 22,686169 2.864,925625 350,505 4.399,582 16.325,767520 1.357,412295 204.761,046500 Keseluruhan perhitungan Korelasi Product Moment dilihat pada Lampiran 4.

=

= = = = = = 0,530

(46)

3.2.4 Uji Reliabilitas

Uji reliabilitas menunjukkan sejauh mana hasil suatu pengukuran dapat dipercaya. Pengukuran yang memiliki reliabilitas tinggi disebut pengukuran yang reliabel. Metode yang digunakan untuk menguji reliabilitas adalah Alpha Cronbach. Variabel dinyatakan reliabel jika nilai Alpha Cronbach > 0,6 (Ghozali, 2005). Perhitungan secara manual Alpha Cronbach diperoleh sebagai berikut:

1. Masukkan nilai varian dari masing-masing variabel, dengan menggunakan rumus varian maka diperoleh:

=

= 0,810730370 = 0,824023887 = 0,797456684 = 0,824023884 = 0,856541710 = 0,852444665 = 0,844676925 = 0,816909843 = 0,783536140 = 0,829541313 = 0,786846576 = 0,816203549 = 0,716424405 = 0,805414580

Mencari nilai varian (tanpa variabel X1) = 34,98908842

3. Melakukan proses perhitungan nilai Alpha Cronbach variabel X1 dengan memakai rumus:

=

= 0,751

(47)
[image:47.595.115.510.234.457.2]

Dengan SPSS Statistics 17.0 diperoleh nilai uji Reliability Statistics dan juga nilai Alpha Cronbach untuk setiap variabel sebagai berikut:

Tabel 3.8 Reliability Statistics Cronbach’s

Alpha N of items

0,760 14

Tabel 3.9 Uji Reliabilitas Variabel Penelitian

No. Variabel Alpha Cronbach Kesimpulan

1 X1 0,751 Reliabel

2 X2 0,761 Reliabel

3 X3 0,739 Reliabel

4 X4 0,759 Reliabel

5 X5 0,754 Reliabel

6 X6 0,753 Reliabel

7 X7 0,761 Reliabel

8 X8 0,731 Reliabel

9 X9 0,742 Reliabel

10 X10 0,732 Reliabel

11 X11 0,731 Reliabel

12 X12 0,730 Reliabel

13 X13 0,758 Reliabel

14 X14 0,736 Reliabel

Dari Tabel 3.9 dapat dilihat hasil uji reliabilitas terhadap variabel-variabel penelitian yang menunjukkan bahwa seluruh variabel mempunyai tingkat reliabilitas yang tinggi karena nilai Alpha Cronbach > 0,6.

3.3 Analisis Data

Metode analisis data yang digunakan adalah teknik analisis faktor dengan pendekatan metode Principal Component Analysis. Langkah-langkah dalam analisis faktor adalah sebagai berikut:

3.3.1 Membentuk Matriks Korelasi

(48)

dianalisis sebaiknya berkorelasi. Untuk menghitung nilai Korelasi Product Moment antara variabel X1 dengan variabel X11 diperlukan tabel perhitungan

korelasi antara variabel X1 dengan variabel X11, perhitungannya dilakukan dengan bantuan Microsoft Excel 2007.

=

= = = = = = 0,347

Rincian Tabel Perhitungan Korelasi antara variabel X1 dengan variabel X11 dapat dilihat pada Lampiran 5 dan Rincian Nilai Matriks Korelasi antar variabel dapat dilihat pada Lampiran 8.

Data mengenai 14 variabel yang berasal dari jawaban 96 orang sampel kemudian dianalisa pada anti image correlation. Uji ini dilakukan dengan memperhatikan angka KMO dan MSA.

Kriteria kesesuaian dalam pemakaian analisis faktor adalah: Jika harga KMO sebesar 0,9 berarti sangat memuaskan. Jika harga KMO sebesar 0,8 berarti memuaskan.

Jika harga KMO sebesar 0,7 berarti harga menengah. Jika harga KMO sebesar 0,6 berarti cukup.

Jika harga KMO sebesar 0,5 berarti kurang memuaskan. Jika harga KMO < 0,5 berarti tidak dapat diterima.

(49)
[image:49.595.114.511.105.178.2]

Tabel 3.10 Kaiser-Meyer-Olkin (KMO) dan Bartlett’s Test Keiser-Meyer-Olkin

Measure of Sampling Adequacy Bartlett’s Test of Approx. Chi Square

Sphericity df Sig.

0,720 272,936 91 0,000

Hasil perhitungan menunjukkan besaran nilai Bartlett’s Test of Sphericity adalah 272,936 pada signifikan 0,000 yang berarti pada penelitian ini ada korelasi yang signifikan antar variabel dan hasil perhitungan KMO sebesar 0,720 sehingga kecukupan sampel termasuk kategori yang cukup dan layak untuk diteliti lebih lanjut.

Menurut Santoso (2005) angka MSA (Measure of Sampling Adequacy) berkisar antara 0 sampai 1 dengan kriteria:

MSA = 1, variabel dapat diprediksi tanpa kesalahan oleh variabel lain. MSA ≥ 0,5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. MSA < 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut. Hipotesis untuk uji di atas adalah:

H0 = sampel belum memadai untuk dianalisis lebih lanjut. H1 = sampel sudah memadai untuk dianalisis lebih lanjut. Kriteria dengan melihat probabilitas (tingkat signifikansi):

Angka Sig. ≥ 0,05, maka H0 diterima. Angka Sig. < 0,05, maka H0 ditolak.

(50)
[image:50.595.112.511.347.560.2]

Tabel 3.11 Nilai MSA (Measure of Sampling Adequacy)

X1 X2 X3 X4 X5 X6 X7

Anti-image corre lation 0,703a -0,188 -0,215 -0,025 -0,051 0,159 -0,048 0,029 0,107 -0,118 -0,240 0,001 0,047 -0,013 -0,188 0,548a 0,110 -0,015 0,197 -0,111 -0,163 -0,196 0,033 0,179 -0,137 0,114 -0,252 -0,145 -0,215 0,110 0,675a -0,139 0,145 -0,182 -0,235 -0,250 -0,256 -0,007 0,164 0,051 -0,071 -0,181 -0,025 -0,015 -0,139 0,694a 0,012 0,040 0,191 0,023 0,034 0,055 -0,054 -0,156 -0,197 -0,128 -0,051 0,197 0,145 -0,012 0,661a -0,149 -0,183 -0,102 0,130 -0,093 -0,085 -0,063 -0,202 -0,147 0,159 -0,111 -0,182 0,040 -0,149 0,644a -0,006 0,111 -0,032 0,156 -0,120 -0,211 -0,149 -0,099 -0,048 -0,163 -0,235 0,191 -0,183 -0,006 0,632a 0,051 0,031 -0,078 -0,139 -0,026 0,229 -0,003 Sambungan Tabel 3.11

X8 X9 X10 X11 X12 X13 X14

Anti-image corre lation 0,029 -0,196 -0,250 0,023 -0,102 0,111 0,051 0,791a -0,111 -0,202 -0,234 -0,191 0,049 0,088 0,107 0,033 -0,256 0,034 0,130 -0,032 0,031 -0,111 0,788a -0,021 -0,187 -0,279 0,051 -0,090 -0,118 0,179 -0,007 0,055 -0,093 0,156 -0,078 -0,202 -0,021 0,753a -0,154 -0,128 -0,302 -0,245 -0,240 -0,137 0,164 -0,054 -0,085 -0,120 -0,139 -0,234 -0,187 -0,154 0,780a -0,104 0,118 0,038 0,001 0,114 0,051 -0,156 -0,063 -0,211 -0,026 -0,191 -0,279 -0,128 -0,104 0,820a 0,031 -0,083 0,047 -0,252 -0,071 -0,197 -0,202 -0,149 0,229 0,049 0,051 -0,302 0,118 0,031 0,534a 0,020 -0,013 -0,145 -0,181 -0,128 -0,147 -0,099 -0,003 0,088 -0,090 -0,245 0,038 -0,083 0,020 0,809a

(51)

3.3.2 Ekstraksi Faktor

Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi faktor terhadap sekumpulan variabel yang ada dengan KMO > 0,5 sehingga terbentuk satu atau lebih faktor.

Metode yang digunakan untuk tahap ini adalah Principal Component Analysis dan rotasi faktor dengan metode Varimax procedure (bagian dari Orthogonal). Di dalam Principal Component Analysis jumlah varian data

dipertimbangkan yaitu diagonal matriks korelasi, setiap elemennya sebesar satu (1) dan full variance digunakan untuk dasar pembentukan faktor, yaitu variabel-variabel lama yang jumlahnya lebih sedikit dan tidak berkorelasi lagi satu sama lain seperti variabel-variabel asli yang memang saling berkorelasi.

[image:51.595.115.510.394.613.2]

Dengan bantuan SPSS Statistics 17.0 diperoleh nilai komunalitas sebagai berikut: Tabel 3.12 Komunalitas

Variabel Initial Extraction

X1 1,000 0,598

X2 1,000 0,764

X3 1,000 0,500

X4 1,000 0,557

X5 1,000 0,752

X6 1,000 0,776

X7 1,000 0,633

X8 1,000 0,550

X9 1,000 0,675

X10 1,000 0,663

X11 1,000 0,545

X12 1,000 0,607

X13 1,000 0,678

X14 1,000 0,416

Komunalitas pada dasarnya adalah jumlah varian (bisa dalam persentase) dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang terbentuk.

a. Untuk variabel X1, nilai komunalitasnya 0,598 atau sebesar 59,8% varian dari variabel X1 bisa dijelaskan dari faktor yang terbentuk.

(52)

c. Untuk variabel X3, nilai komunalitasnya 0,500 atau sebesar 50% varian dari variabel X3 bisa dijelaskan dari faktor yang terbentuk.

d. Untuk variabel X4, nilai komunalitasnya 0,557 atau sebesar 55,7% varian dari variabel X4 bisa dijelaskan dari faktor yang terbentuk.

e. Untuk variabel X5, nilai komunalitasnya 0,752 atau sebesar 75,2% varian dari variabel X5 bisa dijelaskan dari faktor yang terbentuk.

f. Untuk variabel X6, nilai komunalitasnya 0,776 atau sebesar 77,6% varian dari variabel X6 bisa dijelaskan dari faktor yang terbentuk.

g. Untuk variabel X7, nilai komunalitasnya 0,633 atau sebesar 63,3% varian dari variabel X7 bisa dijelaskan dari faktor yang terbentuk.

h. Untuk variabel X8, nilai komunalitasnya 0,550 atau sebesar 55% varian dari variabel X8 bisa dijelaskan dari faktor yang terbentuk.

i. Untuk variabel X9, nilai komunalitasnya 0,675 atau sebesar 67,5% varian dari variabel X9 bisa dijelaskan dari faktor yang terbentuk.

j. Untuk variabel X10, nilai komunalitasnya 0,663 atau sebesar 66,3% varian dari variabel X10 bisa dijelaskan dari faktor yang terbentuk.

k. Untuk variabel X11, nilai komunalitasnya 0,545 atau sebesar 54,5% varian dari variabel X11 bisa dijelaskan dari faktor yang terbentuk.

l. Untuk variabel X12, nilai komunalitasnya 0,607 atau sebesar 60,7% varian dari variabel X12 bisa dijelaskan dari faktor yang terbentuk.

m.Untuk variabel X13, nilai komunalitasnya 0,678 atau sebesar 67,8% varian dari variabel X13 bisa dijelaskan dari faktor yang terbentuk.

n. Untuk variabel X14, nilai komunalitasnya 0,416 atau sebesar 41,6% varian dari variabel X14 bisa dijelaskan dari faktor yang terbentuk.

Dalam tahap ekstraksi faktor selanjutnya adalah melihat nilai eigenvalue. Eigenvalue merupakan total varience yang dijelaskan oleh setiap faktor atau

merupakan sumbangan (share) dari faktor tertentu terhadap seluruh varian dari variabel awal atau variabel asli.

(53)
[image:53.595.114.509.103.338.2]

Tabel 3.13 Nilai Eigenvalue untuk Setiap Faktor

Component Initial Eigenvalues

Eigenvalue Percentage of Variance Cumulative Percent

1 3,654 26,102 26,102

2 1,564 11,174 37,276

3 1,264 9,028 46,304

4 1,164 8,316 54,620

5 1,069 7,635 62,255

6 0,928 6,626 68,882

7 0,774 5,526 74,407

8 0,689 4,919 79,327

9 0,647 4,624 83,951

10 0,561 4,010 87,960

11 0,508 3,627 91,587

12 0,490 3,497 95,084

13 0,364 2,602 97,686

14 0,324 2,314 100,000

Berdasarkan Tabel 3.13 diperoleh 5 faktor yang memiliki eigenvalue > 1, yaitu dapat disebut sebagai faktor 1 dengan eigenvalue 3,654, faktor 2 dengan eigenvalue 1,564, faktor 3 dengan eigenvalue 1,264, faktor 4 dengan eigenvalue

1,164, faktor 5 dengan eigenvalue 1,069. Kelima faktor tersebut menjelaskan sebesar 62,255% total varian variabel yang mempengaruhi keputusan mahasiswa FMIPA USU untuk mulai berwirausaha.

Dari Tabel 3.13 dapat dilihat nilai eigenvalue untuk setiap faktor, yang pada awalnya terdiri dari 14 variabel aslinya, kemudian dalam proses berikutnya dipilih faktor-faktor yang nilai eigenvalue minimal satu (1). Oleh karena tidak semua variabel mempunyai nilai ≥ 1, maka akan banyak variabel yang tidak disertakan.

Tabel 3.14 Sumbangan Masing-masing Faktor terhadap Varian dari Seluruh Variabel Asli

Component Initial Eigenvalues

Eigenvalue Percentage of Variance Cumulative Percent

1 3,654 26,102 26,102

2 1,564 11,174 37,276

3 1,264 9,028 46,304

4 1,164 8,316 54,620

(54)

3.3.3 Menentukan Banyaknya Faktor

Penentuan banyaknya faktor yang dilakukan dalam analisis faktor maksudnya adalah mencari variabel terakhir yang saling bebas satu sama lain dan tidak berkorelasi, yang jumlahnya lebih sedikit dari variabel awal tetapi masih memiliki informasi variabel asli.

Ada beberapa prosedur dalam menentukan banyaknya faktor, yaitu: 1. Dilihat dari Initial Eigenvalues Total

Berdasarkan Tabel 3.14 terbentuk 5 faktor atau komponen yang memiliki nilai eigenvalue > 1, yaitu sebagai faktor 1 dengan eigenvalue (3,654) dengan varian

sebesar (26,102%) , faktor 2 dengan eigenvalue (1,564) dengan varian sebesar (11,174%), faktor 3 dengan eigenvalue (1,264) dengan varian sebesar (9,028%), faktor 4 dengan eigenvalue (1,164) dengan varian sebesar (8,316%), faktor 5 dengan eigenvalue (1,069) dengan varian sebesar (7,635%). Total sumbangan varian dari 5 faktor tersebut adalah 62,255%.

2. Menentukan banyaknya faktor dengan Scree Plot

Scree plot merupakan suatu gambaran yang diperoleh dengan membuat

eigenvalue sebagai suatu sumbu vertikal dan banyaknya faktor sebagai sumbu

[image:54.595.133.488.525.726.2]

horizontal. Bentuk plot dipergunakan untuk menentukan banyaknya faktor. Dengan bantuan SPSS Statistics 17.0 diperoleh Scree plot sebagai berikut:

(55)

Jika total varian menjelaskan perolehan sejumlah faktor dengan angka, maka Scree plot memperlihatkan hal tersebut melalui grafik yang terbentuk. Dapat

dilihat bahwa dari faktor 1 dan faktor 2 (garis sumbu dari komponen 1 ke 2) arah garis cukup menurun tajam, dan bergerak menurun secara perlahan sampai pada faktor ke-5. Pada faktor ke-6 garis sudah dibawah angka 1 dari sumbu eigenvalue. Hal tersebut menunjukkan bahwa terbentuk 5 faktor dari 14 variabel awal yang diteliti.

3.3.4 Melakukan Rotasi Faktor

Dalam analisis faktor hal yang sangat penting adalah Matriks Faktor atau disebut juga Komponen Matriks. Matriks Faktor memuat koefisien yang dipergunakan untuk mengekspresikan variabel yang dibakukan dinyatakan dalam faktor. Koefisien ini merupakan factor loading, mewakili koefisien korelasi antara faktor dengan variabel. Koefisien dengan nilai mutlak (absolute) yang besar menunjukkan bahwa faktor dan variabel sangat terkait. Koefisien dari matriks faktor dapat dipergunakan untuk menginterpretasi faktor.

[image:55.595.116.510.476.711.2]

Dengan bantuan SPSS Statistics 17.0 diperoleh Matriks Faktor sebagai berikut: Tabel 3.15 Matriks Faktora (Sebelum Dirotasi)

Var Faktor Loading1

Faktor Loading 2

Faktor Loading 3

Faktor Loading 4

Faktor Loading 5

Komuna- litas

X1 0,421 -0,324 0,496 0,108 -0,241 0,598

X2 0,267 -0,106 0,546 0,568 0,245 0,764

X3 0,578 -0,066 -0,219 0,337 0,004 0,500

X4 0,322 0,539 0,013 0,227 -0,294 0,557

X5 0,406 0,229 0,232 -0,643 0,261 0,752

X6 0,389 0,287 -0,204 0,134 0,695 0,776

X7 0,352 -0,564 0,124 -0,144 0,395 0,633

X8 0,676 -0,203 -0,036 0,014 -0,225 0,550

X9 0,594

Gambar

Tabel 3.1
Gambar 1.1 Hubungan antara Variabel dan Faktor
Tabel 3.3  Data Hasil Kuesioner
Tabel 3.4  Penskalaan Variabel X1
+7

Referensi

Dokumen terkait

Berdasarkan uraian latar belakang diatas, maka rumusan masalah dalam penelitian ini adalah apakah kualitas layanan, kemudahan aplikasi dan jumlah armada berpengaruh terhadap

The aim of this study are to analyze the text of female sexuality articles that realized in the women magazines (i.e. vocabulary, grammar, cohesion and text

Berdasarkan analisis hasil penelitian ini diketahui bahwa pembelajaran menggunakan model MMP lebih baik dan sesuai dengan kebutuhan yang ada di kelas, sedangkan prestasi

Melihat kea nekara gaman jenis kelelawar dan hubungannya dengan tipe penutupan lahan pada penelitian ini, maka terbukti bahwa kepadatan dan keragaman jenis kelelawar dapat

deskripsi yang dapat diambil dari aktivitas guru dalam melaksanakan pembelajaran dengan menggunakan metode kooperatif tipe STAD pada siklus II pertemuaan pertama

Kebiasaan dalam pengelolaan pembuatan kue rumahan di Desa Lampanah memiliki kebiasaan kurang baik, hal ini di sebabkan karena pengelolaan kue rumahan oleh

The objective of this chapter is to present the opportunities and challenges of applying mobile cloud computing in mobile big data analytics. This chapter is orga- nized as follows:

Hasil penelitian setiap dimensi terlihat bahwa dimensi yang paling tinggi presentasenya adalah dimensi hubungan yang positif dengan orang lain (97,82%), kemudian diikuti